基于樸素貝葉斯算法的跌倒檢測報警系統(tǒng)及方法
【技術領域】
[0001] 本發(fā)明涉及電子檢測技術領域，尤其涉及基于樸素貝葉斯算法的跌倒檢測報警系 統(tǒng)及方法。
【背景技術】
[0002] 目前人口老齡化程度的日益加劇，跌倒已經成為影響老年人健康的一個嚴重問 題，它不僅嚴重影響了老年人的身體健康和獨立生活能力，還造成了老年人心理上的負擔 和恐懼，有時造成的后果甚至是致命的。采取適當?shù)拇胧┻M行跌倒檢測報警可以使他們得 到及時的救助，避免一些不必要的麻煩，同時也能減少醫(yī)藥開銷。
[0003] 現(xiàn)在針對老年人的跌倒檢測方法主要分為三種：第一種是基于視頻監(jiān)測，在特定 區(qū)域安裝視頻監(jiān)視器，在該區(qū)域對人體進行跟蹤監(jiān)測；第二種是基于振動監(jiān)測，在地面安裝 振動傳感器，當振動傳感器周圍一定范圍內人體跌倒時，振動傳感器會振動;第三種是基于 人體姿勢和動作監(jiān)測，人體跌倒前姿勢和方向會發(fā)生變化，通過測定人體跌倒過程中各種 物理量的變化，來判斷人體是否跌倒。這幾種方法各有利弊，基于視頻監(jiān)測和基于振動監(jiān)測 都受到環(huán)境和空間的限制，視頻監(jiān)測還涉及隱私的問題，振動監(jiān)測的識別準確率不好，很容 易造成誤判。而基于人體姿態(tài)和動作的監(jiān)測采用的是移動便攜設備，環(huán)境和空間上沒有受 到限制，也能和現(xiàn)有的通信技術、檢測技術相結合，更有利于老年人跌倒的檢測。然而針對 人體姿態(tài)和動作的監(jiān)測，目前國內外的研究趨勢主要是基于加速度閾值的判定，但是閾值 法存在很大局限；當人體進行蹲起、坐下等與跌倒動作幅度相似的運動時，就很容易發(fā)生誤 報。這種檢測方法比較單一，造成的誤警率比較高，也不具備通信功能，不能實時通知跌倒 老人的親屬，確定跌倒位置。

【發(fā)明內容】

[0004] 針對上述問題中存在的不足之處，本發(fā)明提供基于樸素貝葉斯算法的跌倒檢測報 警系統(tǒng)及方法。
[0005] 為實現(xiàn)上述目的，本發(fā)明提供一種基于樸素貝葉斯算法的跌倒檢測報警系統(tǒng)，包 括:采集模塊、處理模塊、傳輸模塊、識別模塊、判斷模塊和通知模塊；
[0006] 所述采集模塊包括三軸加速度傳感器和三軸陀螺儀，三軸加速度傳感器和三軸陀 螺儀以采樣頻率f分別實時采集人體活動中上軀干部位的三維加速度a x、ay、az數(shù)據(jù)和三維 角速度ωχ、《y、ω ζ數(shù)據(jù);其中：ax為沿X軸方向的加速度，ay為沿y軸方向的加速度，az為沿z 軸方向的加速度，ωχ為沿X軸方向的角速度，ωγ為沿y軸方向的角速度，ωζ為沿z軸方向的 角速度；
[0007] 所述處理模塊與所述采集模塊相連，用于計算合加速度a與合角速度ω，其中：
[0008] 所述識別模塊通過所述傳輸模塊與所述處理模塊相連，用于接收合加速度數(shù)據(jù)和 合角速度數(shù)據(jù)，并對人體活動狀態(tài)進行分類識別，識別出人體的運動類型;所述運動類型包 括："跌倒"類型、"站立"類型、"下蹲"類型、"上樓"類型、"下樓"類型、"步行"類型中的一種 或多種；
[0009]所述判斷模塊與所述識別模塊相連，用于判斷人體的運動類型是否為"跌倒"類 型；
[0010]所述通知模塊與所述判斷模塊相連，當判斷模塊的判斷結果為"跌倒"類型時，通 知模塊通過設置的報警方式通知設定的聯(lián)系人。
[0011] 作為本發(fā)明的進一步改進，所述判斷模塊中，當判斷結果不屬于"跌倒"類型時，則 返回采集模塊重新進行數(shù)據(jù)采集。
[0012] 作為本發(fā)明的進一步改進，所述識別模塊包括：
[0013] 初始化子模塊，與所述傳輸模塊相連；用于接收人體活動中上軀干部位的合加速 度與合角速度；
[0014] 采樣子模塊，與所述初始化子模塊相連;采樣子模塊內建立合加速度數(shù)據(jù)滑動窗 口，用acc[m]表不，窗口長度為m;建立合角速度數(shù)據(jù)滑動窗口，用angle[m]表不，窗口長度 為m;用于以采樣頻率f接收初始化子模塊中人體活動中上軀干部位的合加速度與合角速度 并分別依次存入滑動窗口 acc[m]和angle[m]中；
[0015] 判定子模塊，與所述采樣子模塊相連，用于判定滑動窗口 acc[m]和angle [m]是否 已經填滿;若沒有填滿，則繼續(xù)進行合加速度數(shù)據(jù)和合角速度數(shù)據(jù)采集；
[0016]計算子模塊，與所述判定子模塊相連;當滑動窗口 acc[m]和angle [m]均已填滿，貝lj 計算子模塊用于統(tǒng)計、計算測試樣本屬于各個運動類型的條件概率，測試樣本指被測人體 在活動中采集到的合加速度和合角速度數(shù)據(jù);找出條件概率的最大值，判斷當前時刻測試 樣本所屬的運動類型；
[0018] 式中，X代表測試樣本；
[0019] yi代表第i類運動類型，η代表η類運動類型；
[0020] P(yi | X)是測試樣本X屬于第i類運動類型的條件概率；
[0021 ] aj和ω j分別代表測試樣本X在滑動窗口 acc[m]與angle[m]內的第j個合加速度與 合角速度數(shù)據(jù)，adP ω洪同組成測試樣本X的第j個屬性(^，ω J ;
[0022] Ρ(χ)代表測試樣本在所有訓練樣本中出現(xiàn)的概率，所有訓練樣本指所有合加速度 和合角速度數(shù)據(jù)的數(shù)據(jù)庫，P(x)為常數(shù)；
[0023] P(yi)代表第i類運動類型在所有訓練樣本中出現(xiàn)的概率；
[0024] P((aj, ω」）|yi)代表在第i類運動類型訓練樣本的第j個屬性中出現(xiàn)測試測試樣本 X的第j個屬性(aj, ω」)的概率。
[0025] 作為本發(fā)明的進一步改進，所述處理模塊為微處理器，所述傳輸模塊為藍牙設備。
[0026] 作為本發(fā)明的進一步改進，所述通知模塊中設置的報警方式包括：向預設聯(lián)系人 號碼撥打電話進行報警，或者向預設聯(lián)系人號碼發(fā)送含有用戶位置信息的短信進行報警。
[0027] 本發(fā)明還公開了一種監(jiān)控終端，包含上述的識別模塊、判斷模塊、通知模塊，所述 識別模塊、所述判斷模塊、所述通知模塊依次相連。
[0028] 本發(fā)明還公開了一種基于樸素貝葉斯算法的跌倒檢測報警方法，包括：
[0029] 步驟1、采集模塊中的三軸加速度傳感器和三軸陀螺儀以采樣頻率f分別實時采集 人體活動中上軀干部位的三維加速度ax、a y、az數(shù)據(jù)和三維角速度ω χ、ω y、ω z數(shù)據(jù);其中：ax 為沿x軸方向的加速度，ay為沿y軸方向的加速度，az為沿z軸方向的加速度，ω x為沿χ軸方向 的角速度，《y為沿y軸方向的角速度，ωζ為沿z軸方向的角速度；
[0030] 步驟2、處理模塊計算合加速度a與合角速度ω，其中：

[0031 ]步驟3、傳輸模塊傳輸合加速度a和合角速度ω數(shù)據(jù)到識別模塊；
[0032] 步驟4、識別模塊通過樸素貝葉斯跌倒檢測算法對人體活動狀態(tài)分類識別，識別出 人體的運動類型；
[0033] 步驟5、判斷模塊判斷人體的運動類型是否為"跌倒"類型，若為"跌倒"類型則執(zhí)行 步驟6,否則執(zhí)行步驟1;
[0034] 步驟6、通知模塊根據(jù)所設置的報警方式通知預設的聯(lián)系人。
[0035] 作為本發(fā)明的進一步改進，所述步驟4包括：
[0036] 步驟401、接收人體活動中上軀干部位的合加速度與合角速度；
[0037] 步驟402、建立合加速度數(shù)據(jù)滑動窗口，用acc[m]表示，窗口長度為m;建立合角速 度數(shù)據(jù)滑動窗口，用angle[m]表示，窗口長度為m;以采樣頻率f接收人體活動中上軀干部位 的合加速度與合角速度并分別依次存入滑動窗口 acc[m]和angle[m]中；
[0038] 步驟403、判斷滑動窗口 acc[m]和angle [m]是否已經填滿，沒有填滿則繼續(xù)執(zhí)行步 驟402，否則執(zhí)行步驟404;
[0039]步驟404、統(tǒng)計、計算測試樣本屬于各個運動類型的條件概率，測試樣本指被測人 體在活動中采集到的合加速度和合角速度數(shù)據(jù);找出條件概率的最大值，判斷當前時刻測 試樣本所屬的運動類型；
[0041] 式中，χ代表測試樣本；
[0042] yi代表第i類運動類型，η代表η類運動類型；
[0043] P(yi | χ)是測試樣本χ屬于第i類運動類型的條件概率；
[0044] aj和ω j分別代表測試樣本χ在滑動窗口 acc[m]與angle[m]內的第j個合加速度與